自适应除噪技术在激光准直中的应用研究

本文根据激光在大气中传播特性的理论，提出了多点监测，综合补偿的准直方法。根据现场采集的数据，用多元逐步回归方法建立适合于当时当地环境的模型。并用自适应除噪技术对激光束漂移、光线弯曲和随机抖动进行了综合修正。修正后光束稳定性误差减小２０％～８０％，１０米内剩余误差在１０μｍ／小时以内。

基于径向基神经网络的非线性自适应除噪

提出一种适用于非线性自适应除噪（ＡＮＣ）的神经网络方法．当参考通道中噪声是主通道噪声的非线性变换时，采用线性ＡＮＣ往往效果不好，此时应采用非线性ＡＮＣ．由于径向基函数网络有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性ＡＮＣ．模拟结果表明，该方法具有很强的噪声抑制能力．

一种基于小波级数分解的LMS自适应除噪方法

将小波级数引入ＬＭＳ算法，利用小波的时频局部特性，将小波级数同ＬＭＳ算法结合，提出了一种新型的基于小波级数分解的ＬＭＳ方法，提高了ＬＭＳ算法的收敛速度，并应用于自适应滤波器，提高了自适应滤波器整体的收敛速度及输出的信噪比。文中给出了算法的推导，并用模拟实验进行了验证。

井下电机车载波电话自适应除噪技术的应用

针对井下架线电机车载波电话中严重的随机噪声 ,提出应用DSP技术和自适应滤波理论进行消除噪声的技术方法 .对话筒周围的环境噪声 ,采用带参考输入的最小二乘法 (LMS)横向滤波结构 ,可以取得较多的与噪声相关的信息 ,消噪效果明显 .由于滤除架空线载波信号中的噪声中 ,不能直接取得与噪声相关的信号 ,则采用载频信号增强技术 ,从宽带噪声中提取有用信号 .

基于神经网络的非线性自适应除噪研究

提出一种适用于非线性自适应除噪（ANC）的神经网络方法。当参考通道中的噪声是主通道噪声的非线性变换时，采用线性ANC往往效果不好，此时应采用非线性ANC。由于径向基函数网络具有良好的非线性函数逼近性能，因而可采用基于径向基函数网络的非线性自适应除噪。模拟结果表明，这种方法具有明显的抑制噪声能力。

自适应除噪技术在轧钢机故障诊断中的应用

在试验的基础上，本文提出了把自适应除噪技术（ＡＮＣＴ）用于轧钢机滚动轴承故障诊断的方法。测试分析结果表明，自适应除噪技术能有效地去除在轴承信号中混杂的干扰噪声，提高轴承的信噪比。

自适应除噪技术的工程应用

简介了自适应除噪技术及其在工程应用中开展的基本方法，并给出了一个在工程应用中的实例。

离散小波变换域LMS自适应消噪

本文按照自成体系的离散小波变换正交分解框架，直接从离散域出发，得出离散小波变换域LMS(DWLMS)滤波器，变换的正交性与采样率无关，并可使用Mallat快速算法。该方法可减小自适应滤波器输入向量自相关阵的谱动态范围，提高了传统LMS算法的收敛速度和稳定性。

基于LMS算法的自适应语音除噪性能研究

语音除噪是自适应信号处理研究的重点,通过利用matlab分别实现了基于时域定步长LMS算法、时域变步长LMS算法、基于FFT技术的LMS频域快速算法(FLMS)的自适应语音除噪仿真,并成功应用到带噪语音信号除噪方面。经实验表明,时域变步长LMS算法比时域定步长LMS算法的改善性噪比高1dB左右,与FLMS算法除噪性能相当,但FLMS算法的速度明显快于传统时域算法,而具体时间比的大小与总的样本数目有相关联系。

一种神经网络非线性噪声消除方法

针对阶数的增加,Volterra滤波器的滤波系数个数呈几何级数增长,实现困难的问题,提出采用基于Levenberg-Marquardt(LM)算法的BP神经网络逼近Volterra滤波器,实现神经网络非线性滤波,使计算简化。采用的方法是,先离线调整Volterra滤波器的系数,再用调整好的Volterra滤波器监督训练LM-BP神经网络,然后用训练好的LM-BP神经网络进行非线性自适应滤波。仿真实验结果表明,LM-BP神经网络滤波器较其学习导师———Volterra滤波器具有更好的噪声滤除效果。

用RBF神经网络逼近Volterra级数实现非线性噪声的消除

Volterra级数展开式的非线性滤波器由于综合地利用了线性和非线性项,因而比其他非线性滤波器具有更好的性能。但随着Volterra滤波器阶数的增加,对应的滤波系数个数呈几何级数增长,实现非常困难。本文利用RBF神经网络具有非线性函数的逼近能力和其局部逼近网络学习速度快的优点,用RBF神经网络逼近Volterra滤波器以实现非线性噪声消除。Matlab仿真结果表明了此方法的有效性。

自适应小波-遗传算法在齿轮箱故障诊断中的应用

自适应滤波能对非线性系统实现辨识、建模、预测和滤波,将其用于解决拖拉机齿轮箱故障诊断中的自适应除噪问题。文章分析了Morlet自适应小波滤波器的滤波原理以及基于自适应算法—遗传算法的自适应滤波寻优过程,将二者结合实现从强噪背景中提取弱故障信号。

齿轮箱中滚动轴承的故障诊断

提出了一种基于自适应除噪技术(ANC)和共振解调技术(DRT)的齿轮箱中滚动轴承的故障诊断方法。该方法先后用同一传感器和测量系统、在同一位置采集被诊断轴承在无故障时的振动信号和在状态监测过程中的振动信号,然后把这两次拾取的信号分别作为自适应除噪系统的参考输入和主输入进行除噪处理,最后用共振解调技术对除噪后的振动信号进行包络解调,实现齿轮箱中滚动轴承的故障诊断。实际应用表明,该方法能够从齿轮箱振动信号中剔除齿轮啮合振动等背景噪声,提高滚动轴承振动信号的信噪比,可以有效地诊断齿轮箱中滚动轴承的故障。